OpenAI首款智能体上线！揭秘原理：基座竟是GPT-4o＋思维链？智能体爆发前夜：智谱抢跑、OpenAI还有动作！ 原创

编辑 | 伊风

出品 | 51CTO技术栈（微信号：blog51cto）

起猛了！ChatGPT有行动能力了！

OpenAI的首款智能体深夜上线，觉醒L3能力。

在直播中，他们这样解读这件大事的意义：智能体可以在数字世界中移动和行动，消除了通往 AGI（人工通用智能）道路上的一个瓶颈！

说回Operator：AI不只能和你交流，还能帮你在线打酱油了。

奥特曼是这样介绍的：“就像您使用web浏览器一样，你可以获取像素，你可以看着屏幕，Operator可以做到这一点，然后控制键盘和鼠标并做各种事情”。

图片

在直播demo的演示中，Operator观看了一份手写食谱，并自己登上了“某某买菜”，开始挑选鸡蛋：

更有趣的是，在一个用户的测试案例中，Operator遇到了“确认你是否是人类”的灵魂拷问。

Operator犹豫了下，选择求助人类帮忙按按钮。

看来从技术上说，这类验证码已经拦不住AI了（但道德上还能）。

当然，Operator也是200美元Pro用户的专属福利了。同样是先登录在美国，稍后才会在其他国家上线。

图片

有趣的是，OpenAI被刚列入美实体清单的智谱抢跑了一天。

同样是智能体，咱们就这么水灵灵地全员免费！

​​https://cogagent.aminer.cn​​

图片

无论国内还是国外，有一个论断是绝对的：2025是智能体之年！

奥特曼表示：未来几周和几个月还有更多智能体在路上。

图片

上图：OpenAI总裁 Brockman

1.实测：Operator超绝理解力与灵活度,但偶尔也翻车

一张甜品的网图，Operator能帮你买所有需要的烘焙原料！再也不用在多个APP中挑战了。

而且，Operator确实“聪明”。在问题的解决上展现了非常高的灵活度。

在实测的例子中，Operator发现自己被 Reddit 屏蔽了。这个墙就能困住AI了?Operator随后点开必应搜索，在搜索词后面加上 "Reddit"，顺利找到了自己要浏览的内容！

不过，智能体作为比较初级的形态，Operator肯定也是不完美的。

OpenAI在直播里就放出了一些“翻车”时刻。

上一秒：Operator不只能在这些推荐的APP里用，你几乎可以在任何网站使用。

图片

下一秒：被卡住

图片

2.Operator实现原理——GPT-4o是其基座

在直播中，白衣小哥为观众揭秘了下Operator的实现。

Operator基于一个新模型CUA，而CUA则是基于 GPT-4o 构建的。

技术的发展真是环环相扣，非常美妙！

图片

引用下小哥的话，具体说说：Operator 是基于OpenAI训练的新模型，称之为计算机使用代理（Computer Using Agent），简称 CUA。

CUA 是基于 GPT-4o 构建的模型，但它也经过训练，可以像人类一样使用屏幕、鼠标和键盘来控制计算机。

在此之前，如果你想构建类似 Operator 的东西，而没有 CUA，你需要使用一些专门的 API。例如，如果你希望模型从 Instacart 购买商品，你需要弄清楚 Instacart 是否有 API，还要确认那个 API 是否包含所需的所有功能，并且你得给模型提供该 API 的规格。但如果你的目标是像大多数其他网站那样没有 API，那就没戏了。

就是这样，完全依赖于截图，而 CUA 就是通过教模型如何使用我们每天都在用的基本界面，打开了一整套原本无法使用的软件。

这项酷炫的研究项目就是在这方面，它帮助我们消除了通往 AGI（人工通用智能）道路上的一个瓶颈，让我们的代理可以在数字世界中移动和行动。

而在一个具体的任务中，CUA是这么使用计算机的：

CUA 在控制计算机时做的第一件事就是查看截图。

例如，Operator 现在看到的是 Instacart（线上买菜） 上搜索“鸡蛋”的结果页面。CUA 看懂了这些，它看到的只是原始像素，看到这张图片后，它决定接下来做什么。所以现在它正在进行一些内心独白，左侧会出现总结后的思维链。

每次 CUA 执行一个操作时，它都会拍下一张计算机的截图，这样它就能知道它的操作对计算机产生了什么效果。

3.插曲：星际之门已经开工

OpenAI最近也是大动作频繁。

宣布星际之门计划后，马斯克再次和奥特曼在X上打起了口水战。

马斯克也是个狠人，直接质疑特朗普官宣的项目，他在社交媒体X上表示：“他们实际上没有那么多钱。软银目前只筹集到不到100亿美元的资金，我有可靠的消息来源。

随后，记者向微软CEO纳德拉询问此事，对方说：“我只知道，我的800亿美元资金没问题。”

马斯克在X上转发了纳德拉的采访视频，并评论称：“从另一方面来说，萨蒂亚绝对有这笔钱”。

而奥特曼不语，只是一味地炫了一把已经在德州开工的星际之门站点1。

图片

看来，2025年除了智能体，也不会缺少其他精彩的大戏和看点。

本文转载自​​51CTO技术栈​​，作者：伊风